En pocas palabras, la inteligencia artificial (IA), en su forma actual, está diseñada para imitar la inteligencia humana, pero para hacerlo en extremos, más que medios.
Cuando la gente habla sobre IA hoy en día, generalmente se refiere al aprendizaje automático. La mayoría de los modelos de aprendizaje automático toman como estímulo algún estímulo (digamos, una imagen de un cachorro) y producen como resultado una evaluación de ese estímulo (digamos, una etiqueta – “perro” – o un conjunto de coordenadas que especifican los límites de cada individuo objeto en la imagen, o una predicción sobre los adjetivos que un humano podría usar para caracterizar dicha imagen, por ejemplo, “lindo”). En este sentido, los modelos operan sobre el mismo sustrato que un humano, y están diseñados (y evaluados en términos de su capacidad) para escupir la misma respuesta.
Diseñado es la palabra clave aquí. La forma en que los modelos pasan del punto A al punto B aquí está diseñada solo de manera muy flexible sobre nuestras creencias sobre las formas en que el cerebro humano hace esto (en gran parte porque todavía hay muchas cosas que aún no entendemos sobre cómo funciona el cerebro hace estas cosas; en otras palabras, incluso los “vagamente” asumen que esas creencias son correctas, que es algo que aún no podemos confirmar más allá de una duda razonable). Las primeras versiones de la inteligencia artificial que intentaron modelar explícitamente los pasos intermedios de percepción, cognición y toma de decisiones fallaron, tanto porque todavía hay tanto que no sabemos sobre la inteligencia humana, como porque el acto de codificar incluso lo que hacemos saber en reglas explícitas es una tarea desalentadora (si no insuperable).
- ¿Cómo se aplica la IA en Amazon Go?
- ¿El avance en la IA y el sector robótico desencadenará el desempleo?
- Cómo construir una IA de búsqueda
- ¿Cuáles son ejemplos de IA que presenta soluciones no convencionales?
- ¿Es el cálculo de la situación un programa de investigación agotado en inteligencia artificial?
Hay un componente aplicado que también es importante recordar aquí. Una mejor comprensión de la inteligencia humana nunca fue la única (o, de hecho, la principal) fuerza impulsora detrás de la creación de una versión artificial. Ciertamente, este trabajo se está utilizando ahora para comprender mejor la inteligencia humana, pero también se está utilizando comercialmente, para automatizar lo que solía requerir intervención humana, y las formas en que los mecanismos subyacentes a la percepción y la toma de decisiones humanas difieren de los que subyacen a una típica propagación hacia atrás el algoritmo de aprendizaje automático entrenado es irrelevante para el uso comercial; Lo único que importa en este contexto es que el trabajo se realiza y que el producto final se ve al menos tan bueno como lo que un humano podría hacer. Gran parte del desarrollo más emocionante hoy en día en IA (y en el hardware que hace factible la IA de hoy) se realiza en laboratorios comerciales (Facebook; Google; Salesforce; IBM; NVIDIA). Como resultado, es probable que haya más progreso en aquellos frentes que tienen aspectos monetizables de inmediato, que en aquellos que podrían clasificarse mejor como “ciencia básica”. (Aunque, enchufe rápido para la financiación gubernamental de la ciencia aquí, esos “ciencia básica “Aspectos para los que ninguna aplicación comercial es inmediatamente obvia, a menudo conducen a los descubrimientos más fundamentales, que también son, históricamente, los más lucrativos. Sin el gobierno, a través de organizaciones como la NSF, actualmente careceríamos de cosas como Internet y GPS , solo por nombrar una pareja. Quién sabe qué paralelismo, cambio de paradigma, se podrían tener descubrimientos dentro de la IA).
